单元 S2：统计学 2 – 连续型随机变量
你好，统计学爱好者！开启连续型分布的学习之旅
欢迎来到 S2 模块中最基础的章节之一：连续型随机变量 (Continuous Random Variables, CRVs)。如果那些涉及积分的公式让你感到头疼，不用担心——本章的本质其实就是运用你的微积分技巧（积分与微分）来解决概率问题！我们现在要跨越简单的计数（离散变量），开始测量时间、高度和温度等连续性指标。
为什么这很重要？ 现实世界中的现象往往无法被归入整齐的计数箱中。如果你测量电池的寿命，它可能是 100.5 小时、100.51 小时或 100.5103 小时。连续型随机变量 (CRVs) 能帮助我们准确地建模这些情况。
1. 理解连续型随机变量 (CRVs)
什么是连续型变量？
一个随机变量，我们记作 \(X\)，如果是连续的，意味着它可以在指定的范围内（区间）取任何值。与离散变量不同（离散变量中 \(X\) 只能取 0, 1, 2, 3...），CRV 在任意两点之间可以取无限多个值。
示例： 顾客在排队时等待的时间 \(T\)。\(T\) 可以是 2 分钟、2.3 分钟、2.3001 分钟等。
关键区别：单点概率
这是一个学生经常感到困惑的核心概念：
由于存在无限多个可能值，连续型变量取任意精确特定值的概率总是零。
$$P(X = x) = 0$$
类比： 想象一下试图击中长线上一个极小的点。击中那个精确、无限小位置的机会是零。
这对计算意味着什么：
$$P(a < X < b) = P(a \leq X \leq b) = P(a < X \leq b)$$
是否包含端点并不重要，因为 \(P(X=a)=0\) 且 \(P(X=b)=0\)。
核心结论： CRVs 处理的是区间，概率是通过测量曲线下的面积而非对单个点求和得到的。
2. 概率密度函数 (PDF), \(f(x)\)
因为我们无法为单个点分配概率，所以我们使用函数 \(f(x)\) 来描述概率如何在可能值的范围内分布。这就是概率密度函数 (Probability Density Function, PDF)。
有效 PDF 的性质
对于任何函数 \(f(x)\)，要成为随机变量 \(X\) 的有效 PDF，必须满足：
- 非负性： 函数在其定义域内的任何 \(x\) 值处都不得为负。（概率不可能为负！）
$$f(x) \geq 0 \text{ 对所有 } x \text{ 成立}$$ - 总面积为一： 曲线下的总面积必须等于 1（代表所有可能结果的 100%）。
$$\int_{-\infty}^{\infty} f(x) dx = 1$$ 注意：由于大多数 PDF 仅在特定区间（例如 \([a, b]\)）内定义，这通常简化为： $$\int_{a}^{b} f(x) dx = 1$$
使用 PDF 计算概率
在 \(a\) 和 \(b\) 之间取值的概率就是 PDF 曲线在这些限制范围下的面积。
$$P(a < X < b) = \int_{a}^{b} f(x) dx$$
分步示例：求常数 'k'
假设 PDF 定义为 \(f(x) = kx\)，且 \(0 \leq x \leq 2\)，其他情况为 0。
- 应用总面积规则： 定义区间上的积分必须等于 1。
- $$\int_{0}^{2} kx \ dx = 1$$
- 积分： $$ \left[ \frac{kx^2}{2} \right]_{0}^{2} = 1 $$
- 代入限值： $$ \left( \frac{k(2)^2}{2} \right) - \left( \frac{k(0)^2}{2} \right) = 1 $$ $$ 2k - 0 = 1 $$
- 求解 k： $$ k = \frac{1}{2} $$
你知道吗？ 概率密度的概念正是我们使用积分的原因。积分是专门用于测量曲线下方面积的数学工具！
常见错误： 忘记检查积分限值。在进行计算时，务必使用 PDF 定义的特定限值。
核心结论： PDF, \(f(x)\) 告诉我们分布的形状。概率即面积，通过积分计算得出。
3. 累积分布函数 (CDF), \(F(x)\)
累积分布函数 (Cumulative Distribution Function, CDF), \(F(x)\)，给出了随机变量 \(X\) 小于或等于特定值 \(x\) 的概率。
$$F(x) = P(X \leq x)$$
根据 PDF 计算 CDF
要找到 \(F(x)\)，你需要将 PDF \(f(t)\) 从可能的最小值积分到点 \(x\)。我们使用 \(t\) 作为积分变量，以避免与限值 \(x\) 混淆。
$$F(x) = \int_{\text{最小值}}^{x} f(t) dt$$
重要要求：分段定义 \(F(x)\)
CDF 必须为所有实数定义，因此通常需要三部分：
- $$F(x) = 0 \text{，当 } x < \text{下界时}$$
- $$F(x) = \int f(t) dt \text{，当 } \text{下界} \leq x \leq \text{上界时}$$
- $$F(x) = 1 \text{，当 } x > \text{上界时}$$
使用 CDF 求概率
如果你已有 CDF，计算区间概率会快得多，通常无需再次积分：
$$P(a < X < b) = F(b) - F(a)$$
逆过程：从 CDF 到 PDF
由于 CDF 是 PDF 的积分，那么 PDF 必须是 CDF 的导数！
$$f(x) = \frac{d}{dx} F(x) = F'(x)$$
技巧： 记住积分（求 CDF）和微分（求 PDF）是互逆运算，就像在纯数学中一样。
核心结论： CDF 是概率的运行总量。它总是从 0 开始，到 1 结束。
4. 位置度量（众数、中位数、均值）
这些指标告诉我们分布的中心或峰值在哪里。
4.1 众数 (Mode)
众数是概率密度函数 \(f(x)\) 达到最大值时的 \(x\) 值（曲线的峰值）。
- 如果 \(f(x)\) 是简单函数（如二次或三次函数），通过令一阶导数为零 \(f'(x) = 0\) 来找到众数，并确认它是范围内的最大值。
- 如果 \(f(x)\) 是分段函数（在不同范围内由不同函数定义），你必须检查边界处以及函数定义域内的最大值。
4.2 中位数 (Median, \(m\))
中位数是平分分布的那个值 \(m\)。50% 的概率位于 \(m\) 以下，50% 位于 \(m\) 以上。
我们通过求解以下方程之一来找到中位数 \(m\)：
- 使用 CDF：$$F(m) = 0.5$$
- 使用 PDF：$$\int_{\text{下界}}^{m} f(x) dx = 0.5$$
不必担心！ 如果你已经计算出 CDF，使用它通常会更快。
4.3 均值（期望值, \(E[X]\)）
均值，即期望值 (\(E[X]\) 或 \(\mu\))，是分布的“质心”。它是所有可能值的加权平均，权重由密度 \(f(x)\) 决定。
均值公式为：
$$E[X] = \mu = \int_{-\infty}^{\infty} x f(x) dx$$
函数的期望值
如果你需要求 \(X\) 的某个函数 \(g(X)\)（如 \(X^2\) 或 \(3X+5\)）的期望值，通用公式为：
$$E[g(X)] = \int_{-\infty}^{\infty} g(x) f(x) dx$$
记忆辅助 (针对 E[X])： 请记住，对于离散变量，\(E[X] = \sum x P(X=x)\)。对于连续变量，求和符号 (\(\sum\)) 变成了积分符号 (\(\int\))，而 \(P(X=x)\) 变成了 \(f(x) dx\)。你只需将 \(x\) 插入积分内部，与 \(f(x)\) 并列即可。
核心结论： 位置度量通过微分（众数）、令 CDF 等于 0.5（中位数）或对 \(x f(x)\) 积分（均值）求得。
5. 离散度度量（方差和标准差）
这些指标告诉我们分布围绕均值的离散程度。
5.1 方差 (\(\text{Var}[X]\))
方差是观测值与均值之差的平方的平均值。计算方差通常包括两个步骤：
- 求 \(E[X]\)（均值，\(\mu\)）。
- 求 \(E[X^2]\)。
步骤 1：计算 \(E[X^2]\)
使用期望值的通用公式，令 \(g(x) = x^2\)：
$$E[X^2] = \int_{-\infty}^{\infty} x^2 f(x) dx$$
步骤 2：应用公式
我们使用方差的计算公式（这比对 \((x-\mu)^2 f(x)\) 积分要容易得多）：
$$\text{Var}[X] = E[X^2] - (E[X])^2$$
或
$$\text{Var}[X] = \left( \int x^2 f(x) dx \right) - \mu^2$$
5.2 标准差 (\(\sigma\))
标准差仅仅是方差的平方根。它更受偏好，因为它与 \(X\) 和均值 \(\mu\) 的测量单位相同。
$$\sigma = \sqrt{\text{Var}[X]}$$
快速回顾：计算方差的步骤
- 通过积分 \(x f(x)\) 计算 \(\mu = E[X]\)。
- 通过积分 \(x^2 f(x)\) 计算 \(E[X^2]\)。
- 计算 \(\text{Var}[X] = E[X^2] - (E[X])^2\)。
重要提示： 不要对中间数值进行四舍五入！保留 \(E[X]\) 和 \(E[X^2]\) 的分数或精确小数，直到最后一步，以确保最终方差答案的准确性。
核心结论： 离散程度通过方差测量，这需要利用密度函数求出 \(E[X]\) 和 \(E[X^2]\)。
6. 核心技能总结（微积分工具箱）
连续型随机变量完全依赖于在统计框架内运用微积分技能。请确保你对以下操作感到得心应手：
| 目标 | 数学运算 | 微积分联系 |
|---|---|---|
| 求概率 \(P(a < X < b)\) | PDF 下的面积 | 积分 \(\int_{a}^{b} f(x) dx\) |
| 求 CDF \(F(x)\) | 累积面积 | 积分 \(\int_{\text{下界}}^{x} f(t) dt\) |
| 求 PDF \(f(x)\) | CDF 的变化率 | 微分 \(F'(x)\) |
| 求均值 \(E[X]\) | 加权积分 | 积分 \(\int x f(x) dx\) |
| 求众数 | 密度峰值 | 微分 \(f'(x) = 0\) |
坚持练习你的积分技巧，特别是涉及多项式的积分（这在本单元的 PDF 中非常常见！）。你可以做到的！